Con la aparición de vehículos autónomos y el internet de los vehículos (IoV), las futuras carreteras de las ciudades inteligentes tendrán una combinación de vehículos autónomos y automatizados con vehículos regulares que requieren operadores humanos. Para garantizar la seguridad de los viajeros en la carretera en una red así, es imperativo mejorar el rendimiento de los Sistemas Avanzados de Asistencia al Conductor (ADAS). La predicción de riesgos de conducción en tiempo real es una parte fundamental de un ADAS. Se han propuesto muchos sistemas de predicción de riesgos de conducción. Sin embargo, la mayoría de ellos se basa únicamente en la velocidad del vehículo. Pero en la mayoría de los escenarios de accidentes, también intervienen otros factores, como las condiciones meteorológicas o la fatiga del conductor. En este artículo, proponemos un sistema de predicción de accidentes para redes vehiculares ad hoc (VANETs) en entornos urbanos, en el que consideramos el riesgo de choque como una variable latente que se puede observar utilizando múltiples observaciones como la velocidad, las condiciones meteorológicas, la ubicación de riesgo, la densidad de vehículos cercanos y la fatiga del conductor. Se utilizó un Modelo Oculto de Markov (HMM) para modelar la correlación entre estas observaciones y la variable latente. Los resultados de la simulación mostraron que el sistema propuesto tiene un mejor rendimiento en términos de sensibilidad y precisión en comparación con los esquemas de un solo factor de última generación.